别再死记硬背了！用‘抽奖游戏’和‘股票涨跌’轻松搞懂马尔可夫链的几种变体

用生活故事解锁马尔可夫链的三种高级玩法想象你正站在商场抽奖转盘前每次转动都可能改变你的命运——这像极了马尔可夫链中状态的随机跃迁。但真实世界远比简单转盘复杂朋友的喜怒无常像隐藏在表情背后的秘密隐马尔可夫模型商场促销策略随季节变换时间非齐次链而抽奖终局就像无法回头的吸收状态。这些生动场景背后都藏着马尔可夫家族的不同成员。1. 抽奖游戏里的终局密码吸收链实战商场中央的黄金转盘总排着长队参与者可能面临三种结局谢谢惠顾状态0、一等奖状态1或二等奖状态2。每次转动时保持未中奖的概率20%跃迁至一等奖的概率50%降级为二等奖的概率30%但游戏规则有个残酷设定一旦进入获奖状态就永远定格。这种有去无回的特性正是吸收马尔可夫链的典型特征。1.1 用转移矩阵预测命运将游戏规则转化为矩阵就是状态\下一状态未中奖一等奖二等奖未中奖0.20.50.3一等奖010二等奖001观察矩阵可发现两个吸收状态一等奖和二等奖的鲜明特征其所在行只有对角线元素为1就像黑洞一旦进入就无法逃脱。1.2 计算终极中奖概率通过建立方程可以解出最终获得一等奖的概率62.5%屈居二等奖的概率37.5%# 吸收概率计算示例 import numpy as np Q np.array([[0.2]]) # 非吸收状态转移 R np.array([[0.5, 0.3]]) # 向吸收状态转移 I np.eye(Q.shape[0]) # 单位矩阵 # 计算基础矩阵 N np.linalg.inv(I - Q) # 吸收概率 B N R print(f吸收概率矩阵:\n{B})实际应用中吸收链可用来预测破产概率、疾病治愈率、竞赛晋级可能性等存在终局状态的场景。2. 猜心游戏中的双面人生隐马尔可夫模型揭秘朋友今天的表情观察值像加密电报真实情绪隐藏状态可能是开心、平静或烦躁。HMM要解决的核心问题是如何通过可见信号推测不可见真相2.1 建立情绪转移模型假设朋友的情绪变化遵循以下规律当前\下一情绪开心平静烦躁开心0.70.20.1平静0.30.40.3烦躁0.20.50.3但更关键的是情绪-表情对应表情绪笑容扑克脸皱眉开心0.80.10.1平静0.30.60.1烦躁0.10.30.62.2 维特比算法实战假设连续三天观察到笑容→扑克脸→皱眉最可能的心路历程是初始化首日笑容对应各状态概率开心0.8平静0.3烦躁0.1递推计算# 第二天扑克脸的路径概率计算 prev_probs [0.8, 0.3, 0.1] transition [[0.7,0.2,0.1],[0.3,0.4,0.3],[0.2,0.5,0.3]] emission [0.1, 0.6, 0.3] # 各情绪下扑克脸概率 new_probs [] for j in range(3): max_prob max(prev_probs[i] * transition[i][j] * emission[j] for i in range(3)) new_probs.append(max_prob)回溯路径最终选择概率最大的状态序列在语音识别中HMM将声波观察值映射为单词隐藏状态在金融分析中通过股价波动可见推断市场情绪隐藏。3. 季节轮转中的商场谋略时间非齐次链商场促销策略就像变色龙夏季主推冷饮时饮料区转化率可达60%冬季热饮当道这个数字可能跌至30%。这种随时间变化的转移规则就是时间非齐次链的精髓。3.1 构建动态转移矩阵对比不同季度的客户流向夏季转移矩阵单位%区域\下一区域冷饮零食日用品冷饮403030零食205030日用品102070冬季转移矩阵区域\下一区域热饮零食日用品热饮502525零食156025日用品515803.2 多步转移计算技巧假设顾客初始在冷饮区预测三个月后的分布首月使用夏季矩阵次月切换秋季过渡矩阵末月应用冬季矩阵# 时间非齐次链计算示例 summer_matrix np.array([[0.4,0.3,0.3],[0.2,0.5,0.3],[0.1,0.2,0.7]]) winter_matrix np.array([[0.5,0.25,0.25],[0.15,0.6,0.25],[0.05,0.15,0.8]]) # 初始状态 state np.array([1, 0, 0]) # 分步转移 state state summer_matrix # 首月 state state transition_matrix # 次月 state state winter_matrix # 末月这种模型在流行病学研究中有重要应用比如不同防疫政策下相当于季节变化的疾病传播率差异。4. 三剑客对比与选型指南通过对比表揭示三种变体的本质区别特性吸收链HMM时间非齐次链状态可见性完全可见隐藏状态完全可见时间影响恒定恒定转移规则随时间变化典型应用终局预测信号解码动态策略评估计算复杂度中等较高较高关键矩阵转移概率矩阵转移发射矩阵时序转移矩阵集选择模型时的三个黄金问题系统是否存在无法逃离的状态→ 考虑吸收链是否能直接观测到真实状态→ 需要HMM环境规则是否随时间规律变化→ 时间非齐次链在股票市场分析中这三种模型可能同时出现吸收链→ 预测退市概率HMM→ 通过交易量推测庄家意图时间非齐次链→ 牛市熊市的不同转换规律